AI 如何颠覆软件经济学
四十年来，软件经济学的运转方式始终如一：花一大笔钱去建造，几乎不花什么钱去服务。工程团队很贵。把比特交付给再多一个客户，基本上免费。正是这一点，造就了 80% 以上的毛利率，也让 SaaS 成为了科技行业里毛利最高的商业模式之一。
AI 正在把这一切反转过来。
建造一个应用的成本正在崩塌。像 Claude Code、Cursor、Replit 这样的工具，让单个开发者、甚至非开发者，都能在几天内交付能跑的软件。曾经需要一个五人团队干上一个季度的功能，现在一个周末就能搞定。“氛围编程”（vibe coding）起初只是个梗，但如今，真正能用的应用，正被那些两年前根本造不出它们的人造出来。
成本并没有消失。它只是挪了地方。
每一个调用基础模型的 AI 原生应用，都在按次推理付费。每一次查询、每一个智能体循环、每一个 token，都是一项边际成本。你的用户越多，你付得越多。这与传统软件恰恰相反——在传统软件里，第 10,000 个用户的边际成本几乎为零。
软件的成本结构已经翻了个个儿。
自 Claude 解锁 AI 辅助编程以来，单个应用的开发成本一直在下降。与此同时，随着应用变得越发“推理密集”，服务每个用户的成本却在攀升。
这对毛利率意味着什么
传统 SaaS 的毛利率运行在 80% 以上。这正是这个模式吸引人的地方：一旦产品建成，营收随规模增长，而成本保持不变。
AI 原生应用不是这样运作的。推理是一项随用量伸缩的可变成本。你的产品越成功，你的 GPU 账单就越高。
这已经体现在财务报表里了。那些从 SaaS 起家、再补上 AI 功能的公司，正在眼看着毛利率从 80 中段被压缩进 70 多、甚至更低。纯 AI 原生应用——那些完全围绕模型推理构建的应用——在毛利率上运行在 40% 到 55%，而在这之前，往往还经历过毛利率为负的初始阶段！那些为每个任务循环调用多次模型的智能体式产品，可能还要更低。
这一点很关键，因为整个 SaaS 估值框架，都建立在“高毛利率”这一假设之上。一家 80% 毛利率的企业，按 10 倍营收给予倍数，和一家 50% 毛利率的企业按 10 倍营收给予倍数，二者完全是两码事。
公司内部的钱都去了哪儿
即便总成本大致不变，开支的构成也在翻转。
2020 年，工程薪资占一家创业公司成本结构的 50%—60%，基础设施占 8%—10%。到了 2026 年，随着 AI 加速开发，工程占比已收缩到 15%—20%。但推理与 GPU 成本，如今却占去了 40%—50% 的开支。销售与 GTM（走向市场）大体恒定。
所以即便你的总烧钱速度不变，构成也已显著改变。这对招聘、融资和单位经济模型的意味，都相当重大。
供给洪流
还有一重二阶效应，它的重要性可能超过毛利率本身。
当建造的成本跌到近乎为零，供给就会爆发。每一个有好点子的产品经理、领域专家、和业余爱好者，现在都能交付软件了。进入门槛几乎消失了。
当供给剧增、而需求相对恒定，风险就在于价格被压缩。每个价位上都有了更多的应用。每个细分里都多了更多的竞争。
护城河，从“建造”转移到了“分发、留存，以及数据网络效应”。
电影 vs. 现场话剧
传统软件是一部电影。 你在制作上砸下 2 亿美元（工程团队），花上数年把事情做对；可一旦上映，把它流式传输给再多一个观众，成本几乎为零。高固定成本，近零可变成本。漂亮的毛利率。
AI 原生软件是现场话剧。 这出戏本身很便宜就能开演——小阵容、极简布景。但每一场演出都需要真实的演员、真实的场地、真实的班底。戏越受欢迎，演出的成本就越高。在边际意义上，不存在规模经济。
两者都能成立。但它们要求一套在定价、融资、扩张和竞争上根本不同的策略。
这意味着什么
有几件事，是我正在关注的：
定价必须改变。 当你的成本随用量而非用户数伸缩时，按席位（seat）定价就毫无道理。基于消费的模型，才是 AI 原生产品的天然契合；但它们更难卖给那些想要可预测预算的企业客户。
推理效率，是新的性能工程。 竞争优势将来自：以更低的推理成本，交付同等质量的产出。模型蒸馏、缓存、在不同体量模型之间做路由——运营的卓越，就显现在这里。
分发，成了全部。 如果建造很便宜，瓶颈就变成了“走到客户面前，并留在那里”。品牌、社区、集成，以及切换成本，才是要紧的东西。
估值框架需要更新。 不针对毛利率结构做调整，就把 SaaS 的倍数套到 AI 原生企业头上，是个错误。我们需要新的基准。
高毛利、可扩展的 SaaS 不会消失。但它不再是默认值了。下一代应用，将需要通过推理效率和分发优势去挣得它们的毛利，而不仅仅靠软件与生俱来的杠杆。
成本并没有消失。它们只是挪了地方。
原文链接: The Great Software Inversion - How AI Inverts App Economics
汇智网翻译整理，转载请标明出处